Nonlinear MPC planner for autonomous vehicles based on accelerated particle swarm optimization algorithm

Autonomous driving technology is going to drastically transform the mobility and transportation concept, motivated by an increment of safety, productivity and economic convenience as well as a reduction of congestions, accidents, stress and pollution. The impressive progress in autonomous systems research is due to the technological improvements and the development of optimized and effective mathematical algorithms, together with a generalized cost reduction of sensing and computing hardware. In this thesis an optimal control logic is designed with the purpose of realizing a real-time trajectory and control planner for an autonomous vehicle in a urban environment. After the introduction of the general software architecture of autonomous vehicles (Perception, Planning and Control modules), trajectory and control planning task is tackled with a Nonlinear Model Predictive Control approach. In particular, the resulting constrained numerical optimization problem is solved on-line by means of a Particle Swarm Optimization algorithm, which aim is the definition of a feasible trajectory close to the center of the lane while navigating at a desired speed and avoiding static and moving obstacles, with a variable velocity reference implementation such that safe emergency stop is allowed. Apart from safety requirements, the planned trajectory is designed in order to reduce passengers discomfort when possible. Several simulations are computed in order to evaluate the real-time controller performances in terms of feasibility, optimality, comfort and computational effort.

La tecnologia della guida autonoma sta per trasformare drasticamente il concetto di mobilità e trasporto, motivata da una crescita della sicurezza, produttività e convenienza economica, tanto quanto una riduzione di traffico, incidenti, stress e inquinamento. Il notevole progresso nella ricerca dei sistemi autonomi è dovuto ad un miglioramento tecnologico e ad uno sviluppo di algoritmi ottimizzati ed efficaci, insieme ad una riduzione generalizzata dei costi di sensori e hardware per l’elaborazione dei dati. In questa tesi viene progettata una logica di controllo ottimo con lo scopo di realizzare in tempo reale un pianificatore della traiettoria e del controllo per un veicolo autonomo in ambiente urbano. Dopo l’introduzione dell’architettura software generale dei veicoli autonomi (moduli di Percezione, Pianificazione e Controllo), viene affrontato il compito di pianificare traiettoria e controllo con l’approccio Model Predictive Control non lineare. In particolare il risultante problema di ottimizzazione numerica vincolata è risolto on-line tramite l’algoritmo di Particle Swarm Optimization, che ha il compito di definire una traiettoria praticabile prossima al centro corsia, a velocità di navigazione desiderata ed evitando ostacoli fissi e mobili, con l’implementazione di un riferimento di velocità variabile che permetta fermate di emergenza. Oltre a requisiti di sicurezza, la traiettoria pianificata è progettata per ridurre il discomfort dei passeggeri quando possibile. Varie simulazioni sono eseguite per valutare le performance del controllore in tempo reale in termini di fattibilità, ottimalità, comfort e potenza computazionale.